[Oracle]索引

【版权声明】未经博主同意,谢绝转载!(请尊重原创,博主保留追究权)
https://www.cnblogs.com/cnb-yuchen/p/18032039
出自【进步*于辰的博客

参考笔记一,P25.27、P26.28、P30.2;笔记二,P69.5、P70/71。

注:索引是一种数据结构(B树或B+树)。索引的“宏观”表现可以是“一棵树”,或者是树的“一个节点”。而“索引值”指索引的数据部分(见第2.4项,包括Key column value、rowid),而“索引列值”指记录或数据(即Key column value)。

1、介绍

下图红框处是数据表的rowid,其是每行记录的唯一标识。
在这里插入图片描述
从宏观上说,索引是排序后的 rowid。其中,排序不是指升序或降序,而是指将rowid按照一定的 数据结构 进行排列。

先说结论:

rowid本身无任何优化查询的功能,索引之所以可以优化查询依赖于数据结构

基础操作:

# 创建
1、当添加主键或唯一键时,会自动生成索引。
2、create index 索引名 on 表名(字段名);

# 字典
1、user_indexes;	# 查询用户所有索引;
2、user_ind_columns;	# 查询用户所有索引对应的字段。

这种索引属于主键索引,索引建立在主键字段上。实际上,可以在任何某个或某多个字段上建立索引,并且索引有多种,见下文。

适用场景:

  1. 数据量大;
  2. 结果集所包含记录量占数据表记录量的2% ~ 4%左右;
  3. 经常用作条件多表连接的字段;
  4. 所查询字段的记录范围很广;
  5. 所查询字段包含大量 null,因为索引不包含 null

不适用场景:

  1. 数据量小;
  2. 不常作为条件的字段;
  3. 频繁更新的字段;
  4. 索引字段是条件的一部分时。如:where emp.salary * 2 > 10000,此时索引无效;(原因后续说明)
  5. 条件中包含单行函数时。如:where round(salary) > 10000。(除“基于函数的索引”外,见下文)

补充:

  1. 优点:优化查询速度。
  2. 不足:占用内存;索引数量多时难以维护;降低 DML 时性能。
  3. 适用场景:当数据量大、不经常进行 DML 且访问频率高时。(对上述阐述的总结)
  4. 一般情况下,先添加索引,后新增记录;(原因后续说明)
  5. 当条件中包含likeinnot in等范围查询时,索引失效。(下文说明)

2、索引优化查询原理

启发自博文《Oracle索引结构》(转发)。

2.1 构建过程

先行说明:

  1. 下文中,id是数据表其中一个字段,非主键
  2. 无论Oracle、MySQL,亦或者其他关系型数据库,索引的数据结构都包括B树Hash表这2种。以下以B树为例。

借用那篇博文中的两张图,便于大家理解。
在这里插入图片描述
说明:

  1. rowidid取出,组成一个类似entry的数据结构(见第3项中的索引结构图),即一条记录对应一个“entry”。n个“entry”(n条记录)组成一块(叶节点);
    注:“entry”即索引,不过其不是entry,下文简述索引细节。这里说的entry,大家以Map.Entry理解就行。
  2. n个块由某个块(茎节点)管理,此节点记录着所管理的n个块的信息,即索引
  3. 以此类推。。。
  4. 由某个节点(根节点)管理所有的茎节点

2.2 关于 B+树

大部分情况下,索引的数据结构不是B树,而是B+树B+树是由B树改进而成,相同的是,两者都属于平衡多路查找树(关于“平衡多路查找树”,后续补充,大家先注意“多路”两字即可,便于理解上述的索引构建过程)。

不同的是(改进措施):

  1. B树中,所有节点都存放 索引数据,因此B树型索引的索引不会重复;而在B+树中,“非叶节点”存放的是所管理节点的信息(即更“高阶”节点的索引),而所有的数据都存放在“叶节点”中,包括“索引列值”和rowid,即索引。因此,所有“非叶节点”的索引值最终一定会全部出现在“叶节点”中(即“非叶节点”中的索引会重复1次)。
  2. B+树中,会将所有“叶节点”都连接起来,形成“链表”,按索引 升序 排序,这样是为了便于范围查找,而B树不会。
    注:便于“范围查找”的原理:程序读取数据库的途径是IO流,对于已建立索引的数据表,一次IO,就是将B树/B+树的一个节点读入内存。若所查找的数据分布在多个节点中(范围查找需要查找多个节点),则需要多次执行IO。因此,B+树的“链表”可以减少IO的次数。

PSB树型数据结构只有B树B+树两种,在一些资料中,大家可能会看到B-树,这并不是另一种数据结构。因为B树的英文是B-tree,所以会简称为“B-树”,其实就是B树

2.3 补充说明

  1. B树高度较低。如:在一个有几百亿条记录的数据表上建立索引,“树”高度不过 20 余层。
  2. 数据库最小单位是,最小分配单位是,存放一个段至少需要一个区。(最后这点暂不明其意)
  3. 为什么索引查找不一定比全表扫描(无索引)效率高? 全表扫描一次可读多个块,而索引查找一次只能读一个。大部分情况下,索引查找的记录可能分散分布于多个块,即索引查找的读取次数可能多于全局扫描。(上文【补充】的第5点就是这种情况,故致使索引失效)
    :以上阐述基于B树,而B+树的其中一个作用就是应对这种情况。

2.4 索引结构细节

大家看另1张图。
在这里插入图片描述

可见,索引值由Index entry headerKey column lengthKey column value(列值,即上文中的“索引列值”)、ROWID组成。

3、关于索引分类

3.1 唯一索引

主键或唯一键创建时自动生成;

手动创建:

create unique index 索引名 on 表名(字段名)

3.2 组合索引

当创建索引时,指定多列,就是组合索引。其中,根据上文【构建过程】,可知组合索引的每一个索引列值都包含组合列的各个数据。

注意: 只有当条件(where)中包含此组合所有或大部分字段时,索引才能生效(后续详述)。

3.3 反向键索引

反转索引列值的每个字节,从而实现索引值的均匀分配避免B+树不平衡。(注:“不平衡”是指某个/某些分支较其他同高度分支较长,致使分支“倾斜”的情况)

常用宇连续增长、且索引列值前段相同的字段。如:索引列值为100110021003,经反向键索引转化后变为100120013001

手动创建:

create index 索引名 on 表名(字段名) reverse

3.4 位图索引

适合创建于“低基数”的字段,如:性别国家编号。(注:“低基数”指取值固定取值范围很小、且不经常更新

上文阐述:“索引值由索引列值(记录/数据)和rowid组成”,而位图索引不是。

位图索引不直接存储rowid,而是存储字节位rowid映射,目的是减少空间占用

因此,位图索引适用于数据仓库,不适用于OLTP(关于OLTP,后续说明)。

手动创建:create bitmap index 索引名 on 表名(字段名)

3.5 基于函数的索引

指基于1/n个字段上的函数或表达式创建的索引。简言之,在创建此类索引时,使用了表达式或函数。

限制:表达式中不能使用聚合函数(如:count、max、sum),比较常用的是单行函数;字段类型不能是lob(clob、blob);且当前用户必须拥有query rewrite权限。

示例:

需求:查询用户名,用“基于函数的索引”进行优化。
语句:`... where upper(user_name) = ‘xx’ ...`。
手动创建:`create index 索引名 on 表名(upper(字段名))`。

最后

本文是“纯阐述”,0 示例,这样可能有点不严谨。因此,本文的目的是为了让大家对Oracle索引所实现的性能优化原理、以及分类有一个大致的了解。

本文完结。

posted @ 2024-06-03 10:46  进步·于辰  阅读(4)  评论(0编辑  收藏  举报  来源